(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210913074.9 (22)申请日 2022.08.01 (65)同一申请的已公布的文献号 申请公布号 CN 114972348 A (43)申请公布日 2022.08.30 (73)专利权人 山东尚雅建材有限公司 地址 273200 山东省济宁市泗水县金庄镇 圣和路3号 (72)发明人 王亚辉　 (74)专利代理 机构 济宁仁礼信知识产权代理事 务所(普通 合伙) 37383 专利代理师 周建军 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G06T 5/10(2006.01) G06T 7/10(2017.01) G06V 10/762(2022.01) (56)对比文件 CN 114758017 A,202 2.07.15 CN 112975979 A,2021.0 6.18 CN 114494210 A,202 2.05.13WO 2022067543 A1,202 2.04.07 CN 114235758 A,202 2.03.25 JP 2002024817 A,20 02.01.25 WO 2019104616 A1,2019.0 6.06 CN 114757949 A,202 2.07.15 CN 111667448 A,2020.09.15 CN 107845 087 A,2018.0 3.27 CN 114092454 A,202 2.02.25 CN 101587189 A,20 09.11.25 CN 113177592 A,2021.07.27 JP 2021081494 A,2021.0 5.27 田伟等.基 于图像处 理的廊道 表面裂缝检测 技术研究. 《电子设计 工程》 .2020,(第0 5期), Xin Zhang等.Clustered Calcificati on Analysis and Detecti on for Mam mographic. 《2009 Internati onal Conference o n Future BioMedical I nformati on Engineering (FBIE)》 .2010, Hang Gao 等.USM Sharpen ing Detecti on Based on Grey-Level. 《2019 12 th Internati onal Congress on Image and Signal Proces sing, BioMedical Engi neering and Informatics (CIS P-BMEI)》 .2020, 审查员 李晓玲 (54)发明名称 一种基于图像处 理的美缝效果检测方法 (57)摘要 本发明涉及图像数据处理技术领域， 具体涉 及一种基于图像处理的美缝效果检测方法。 该方 法在拍摄到包含美缝的美缝图像并灰度化处理 得到美缝灰度图像后， 首先以霍夫变换检测直线 的方法确定图像中美缝区域， 然后对美缝区域中 像素点进行正常与异常、 异常内部两种范围的密 度聚类分割， 完成了灰度值到对应灰阶的转化， 在将像素点的灰度值转化为对应灰阶并生成美 缝区域的灰度依赖矩阵后， 本发 明以灰度依赖矩 阵计算得到了表征美缝异常情况的美缝颜色不均匀度以及异常灰阶元素值占据总体灰阶元素 值之和的比例， 并以所得两种参数联合得到了美 缝效果的异常指标， 以所得异常指标实现了对美 缝效果的高效、 准确评价。 权利要求书2页 说明书8页 附图1页 CN 114972348 B 2022.09.30 CN 114972348 B 1.一种基于图像处 理的美缝效果检测方法， 其特 征在于， 包括以下步骤： 采集美缝图像后灰度化处理得到美缝灰度图像， 采用霍夫变换检测美缝灰度图像 中的 直线， 确定 美缝灰度图像的美缝区域； 基于美缝灰度图像的美缝区域中各个像素点的灰度值， 采用密度聚类算法以灰度值为 依据对美缝 灰度图像的美缝区域中所有像素点进行聚类分割， 得到第一设定数量个分组； 以所得第一设定数量个分组中包含像素点数量最多的分组为正常分组， 计算所述正常 分组中像素点的灰度值的种类数， 以所述正常分组中各种灰度值的平均值作为美缝灰度图 像的美缝区域中正常像素点的正常灰阶； 从美缝灰度图像的美缝区域所包含的所有像素点中除去所述正常分组内的所有像素 点， 以剩余像素点为异常像素点， 采用密度聚类算法以灰度值为依据对所述异常像素点进 行聚类分割， 得到第二设定数量个分组； 确定所述第 二设定数量个分组中每个分组内像素点的灰度值的种类数， 计算所述第 二 设定数量个分组中每个分组内各种灰度值的平均值， 以所得第二设定数量个平均值作为所 述异常像素点的异常灰阶； 根据所得正常灰阶和 异常灰阶， 将美缝灰度图像的美缝区域中各个像素点的灰度值替 换为该像素点对应的灰阶， 得到原 始灰阶矩阵， 根据原 始灰阶矩阵生成灰度依赖矩阵； 基于所得灰度依赖矩阵， 计算美缝颜色不均匀度以及灰度依赖矩阵中异常灰阶元素值 占据总体灰阶元 素值之和的比例， 然后得到 美缝效果的异常指标， 完成美缝效果检测。 2.根据权利要求1所述的基于图像处理 的美缝效果检测方法， 其特征在于， 还包括对所 确定的正常 分组中的正常像素点以及对所确定的异常像素点进行修 正的内容： 确定所述正常分组中出现频次最低的灰度值种类， 计算该种灰度值与正常分组中其它 种类灰度值之间的距离： 其中， 为正常像素点所对应的所有种灰度值的集合 中出现频次最低的第i种灰度值 与集合 中每种灰度值 之间的距离； 若 ， 则认为该灰度值为正常灰度值， 若 ， 则认为该 灰度值为异常灰度值； 其中， 为距离阈值， 其取值 根据经验确定； 从所述正常像素点中保留灰度值正常的像素点， 去 除灰度值异常的像素点， 直至正常 像素点中不再包括异常像素点， 得到修 正后的正常像素点； 从美缝灰度图像的美缝区域所包含的所有像素点中除去所述修正后的正常像素点， 得 到修正后的异常像素点。 3.根据权利要求2所述的基于图像处理 的美缝效果检测方法， 其特征在于， 基于修正后 的正常像素点， 确定正常灰阶的方法为： 其中， 为修正后的正常像素点所对应的所有种灰度值集合 中的灰度值经统一化权　利　要　求　书 1/2 页 2 CN 114972348 B 2后所得灰阶， 表示修正后的正常像素点所对应的所有种灰度值集合中第 种灰度值大 小， 为修正后的正常像素点所对应的灰度值的种类数； 基于修正后的异常像素点， 确定异常灰阶的方法为： 采用密度聚类算法以灰度值为依据对所述修正后的异常像素点进行聚类分割， 得到新 的第二设定数量个分组； 确定所述新的第 二设定数量个分组中每个分组内像素点的灰度值的种类数， 计算所述 新的第二设定数量个分组中每个分组内各种灰度值的平均值， 以所得新的第二设定数量个 平均值作为所述 修正后的异常像素点的异常灰阶。 4.根据权利要求3所述的基于图像处理 的美缝效果检测方法， 其特征在于， 所述美缝颜 色不均匀度为： 其中， 为美缝颜色不均匀度， 表示灰阶的个数， 表示最大依赖元素数目， 同时也 是灰度依赖矩阵的列数， 为灰度依赖矩阵中所有元素值的和， 表示灰度依赖 矩阵中相同灰阶下所有依赖元素的值的和， 为修正后的异常像素点所对应的灰度值的种 类数。 5.根据权利要求4所述的基于图像处理 的美缝效果检测方法， 其特征在于， 所述灰度依 赖矩阵中异常灰阶元 素值占据总体灰阶元 素值之和的比例为： 其中， 表示灰度依赖矩阵中剩余异常灰阶元素值占据总体灰阶元素值之和的比例， 表示总体元 素值之和， 表示灰度依赖矩阵中正常灰阶元 素值之和； 所述美缝效果的异常指标为： 其中， 为美缝效果的异常指标。 6.根据权利要求1所述的基于图像处理 的美缝效果检测方法， 其特征在于， 所述第 一设 定数量以及第二设定数量 根据美缝效果检测精确度要求确定 。权　利　要　求　书 2/2 页 3 CN 114972348 B 3